2016年佛山市五区大气污染物浓度变化及相关性分析

曹琳娜

（南海区环境保护监测站，广东 佛山 528200）

2016年佛山市五区大气污染物浓度变化及相关性分析

曹琳娜

（南海区环境保护监测站，广东 佛山 528200）

佛山市是制造业名城，工业总产值在全国大中城市中排名前列。但是，随着经济的快速发展，传统产业结构的劣势日渐显现，佛山市空气质量屡次全省排名靠后。本文使用线性回归方程统计函数模型，对2016年佛山市五个市辖区主要气态污染物O3、NO2、PM2.5的浓度变化趋势及相关程度进行对比分析。结果发现，绝大部分区域污染物相关系数均呈现高度正相关，因此协同控制大气污染可成为改善城市空气环境的有效手段。

佛山市五区；大气污染物；相关性分析

佛山市地处广东省中部，属亚热带季风性气候，经济总量位于广州、深圳之后，是以电器机械、金属材料加工、陶瓷建材等行业为主的制造业名城。然而随着经济的快速发展，传统产业工艺结构的劣势日渐明显，佛山市空气质量不容乐观，屡次在全省排名中靠后。

本文以佛山市主要气态污染物O3、NO2、PM2.5为研究对象，对现辖五个市辖区：禅城区、顺德区、南海区、三水区、高明区2016年各气态污染物浓度变化趋势及相关程度进行对比分析，以期为改善城市空气环境提供支持。

1 污染物相关性统计函数模型的选择

本文采用线性回归方程统计函数模型，分析佛山市各区之间的各污染物浓度相关性[1-3]。具体的模型计算方式如下：

式中：r为污染物浓度相关系数；xi、yi分别为污染物浓度；x—、y—分别为污染物平均浓度。相关系数及相关特性如表1所示。

表1 系数相关特性

2 五区间主要污染物变化规律及相关性分析

2.1 O3月均浓度变化规律及相关性分析

2.1.1 O3月均浓度变化规律分析

从佛山市各区2016年O3月均浓度变化曲线（见图1）可知：部分月份五个区O3的浓度变化趋势表现出明显的一致性，即1-3月逐渐升高，4-6月呈现下降、上升、下降趋势，7-9月又逐渐升高，10-12月逐渐下降。其中五个区1-5月O3浓度变化趋势具很强的一致性，6-12月O3浓度开始出现差距，上升或下降的幅度各有不同[4]。

2.1.2 五区间O3月均浓度相关性分析

表2 五区2016年O3月均浓度相关性分析

从表2可以看出：2016年南海区与禅城区、三水区的O3月均浓度相关系数高达0.944 1，南海区与顺德区、高明区的O3月均浓度相关系数也分别达到0.894 3和0.779 1；其中南海区与禅城区、三水区接壤的面积最大，而南海区与顺德区、高明区次之，说明五个区O3月均浓度相关系数与区域间的重合程度及空间距离有密切关系，相邻区域的O3月均浓度变化趋向一致性[5-6]。而禅城区与三水区、禅城区与高明区、顺德区与高明区、顺德区与三水区O3月均浓度相关系数分别高达0.958 5、0.909 5、0.865 6、0.914 1，同样呈现高度相关性，说明各个区域的O3月均浓度有很强的关联性和协同性。

3.1 NO2月均浓度变化规律及相关性分析

3.1.1 NO2月均浓度变化规律分析

从佛山市各区2016年NO2月均浓度变化曲线（见图2）可知：大部分月份五个区NO2的浓度变化趋势表现出一定的一致性，即1-3月呈现先下降后上升趋势（南海区除外，呈上升趋势），4-7月又逐渐下降，8-12月逐渐上升。

3.1.2 五区间NO月均浓度相关性分析

表3 五区2016年NO2月均浓度相关性分析

从表3可以看出：2016年禅城区与顺德区、禅城区与高明区、禅城区与三水区、顺德区与高明区、顺德区与三水区的NO2月均浓度相关系数分别高达0.951 2、0.878 4、0.875 2、0.947 0、0.738 0，呈现高度相关性，说明这几个区域的NO2月均浓度有很强的关联性和协同性。而南海区与顺德区、高明区的NO2月均浓度相关系数为0.482 2和0.324 5，相关程度较弱，NO2月均浓度没有呈现明显的区域和空间距离特性。

4.1 PM2.5月均浓度变化规律及相关性分析

4.1.1 PM2.5月均浓度变化规律分析

从佛山市各区2016年PM2.5月均浓度变化曲线（见图3）可知：基本上所有月份五个区PM2.5的浓度变化趋势表现出明显的一致性，即1-3月逐渐升高（顺德区除外，呈先下降后上升趋势），4-6月逐渐下降，7-12月逐渐上升。其中除顺德区、南海区、高明区在个别月份趋势与其他区域稍有不同外，其余月份PM2.5浓度变化趋势呈现出一致性。

4.1.2 五区间PM2.5月均浓度相关性分析

表4 五区2016年PM2.5月均浓度相关性分析

从表4可以看出：接壤的区域中，南海区与禅城区、南海区与高明区、南海区与三水区、高明区与三水区的PM2.5月均浓度相关系数分别高达0.992 5、0.971 1、0.961 9、0.973 1，南海区与顺德区、禅城区与顺德区的PM2.5月均浓度相关系数虽较低，分别为0.725 9和0.761 1，仍呈现较强的相关性，说明五个区PM2.5月均浓度相关系数与区域间的重合程度及空间距离有密切关系。非接壤区域如顺德区与三水区、顺德区与高明区、禅城区与三水区、禅城区与高明区PM2.5月均浓度相关系数达到0.819 8、0.776 6、0.978 3、0.979 8，同样呈现高度相关性，说明各个区域的PM2.5月均浓度有很强的一致性。

5 结论

本文使用线性回归方程统计函数模型对佛山市五区气态污染物O3、NO2和PM2.5的相关性进行分析，除个别外，绝大部分区域污染物相关系数均呈现高度正相关，说明各个区域内气态污染物相互影响及传输，同时各个区域产生此气态污染物的机制存在相同性，协同控制大气污染可成为改善城市空气环境的有效手段。

1 刘新峰，袁 惠，杨 军，等.统计分析方法在大气环境监测数据符合性分析中的应用探讨[J].四川环境，2012，（2）：36-39.

2 郑 煜，邓 兰.基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析[J].生态环境学报，2014，23（12）：1953-1957.

3 章熙锋，宋 玲，唐家良，等.绵阳市城区空气PM10、PM2.5污染特征及相关性研究[J].环境工程，2016，34（4）：86-90.

4 王晓利，张 良，魏亚楠，等.城市间气态污染物与细颗粒物的相关性分析[J].中国环境监测，2016，32（1）：1-4.

5 黄晓虎，韩秀秀，李帅东，等.城市主要大气污染物时空分布特征及其相关性[J].环境科学研究，2017，30（7）：1001-1011.

6 张培峰，谢超颖，白云飞.平原城市大气污染物浓度变化及相关性分析[J].许昌学院学报，2016，35（5）：80-83.

Concentration Variation and Correlation Analysis of Air Pollutants in Five Districts of Foshan in 2016

Cao Linna
(Nanhai District Environmental Protection Monitoring Station,Foshan 528200,China)

Foshan City is a manufacturing city,the industrial output value in the country in the forefront of large and medium-sized cities.However,with the rapid economic development,the disadvantages of the traditional industrial structure are becoming increasingly apparent,and the air quality of Foshan City has repeatedly ranked the top in Guangdong Province.In this paper,linear regression equation statistical function model was used to compare and analyze the concentration trends of major gaseous pollutants O3,NO2and PM2.5 in five municipal districts of Foshan City in 2016.The results showed that the correlation coefficient of pollutants in most areas showed a highly positive correlation,so coordinated control of air pollution could be an effective means to improve urban air environment.

Foshan five districts; air pollutants; correlation analysis

X51

A

1008-9500(2017)11-0114-03

2017-10-23

曹琳娜（1989-），女，广东梅州人，助理工程师，研究方向：环境保护。